R语言添加列统计多列中指定开头子串的出现次数

给定如下R数据框：

df <- data.frame(
  x = c("T302928", "C0293", "G402928", "T30294", "S40298"),
  y = c("B40292", "I980", "B40928", "C203948", "V308283"),
  z = c("C0255", "V302939", "N02938", "R09282", "B02938")
)

需要新增一列count_all，统计每行各列中以T30、C02、V30开头的元素数量。你之前尝试的代码只能做完全匹配，无法实现前缀匹配：

df$count_all <- apply(df, 1, function(x) length(which(x %in% c("T03", "C02", "V30"))))

解决方案1：基础R实现（grepl+apply） #

用正则表达式的^符号匹配字符串开头，将三个前缀合并为一个匹配模式，逐行统计符合条件的元素数量：

# 定义前缀匹配的正则模式
prefix_pattern <- "^T30|^C02|^V30"

# 逐行计算匹配数量
df$count_all <- apply(df, 1, function(row) {
  sum(grepl(prefix_pattern, row))
})

运行后得到目标结果：

> df
        x        y        z count_all
1 T302928   B40292    C0255         2
2   C0293     I980 V302939         2
3 G402928   B40928   N02938         0
4  T30294 C203948   R09282         1
5  S40298 V308283   B02938         1

解决方案2：tidyverse风格实现 #

如果你习惯使用dplyr和stringr，可以用逐行处理的方式实现：

library(dplyr)
library(stringr)

# 定义需要匹配的前缀向量
target_prefixes <- c("T30", "C02", "V30")

df <- df %>%
  rowwise() %>%
  mutate(
    count_all = sum(str_starts(c_across(everything()), target_prefixes))
  ) %>%
  ungroup()

原代码失效原因 #

你之前用的x %in% ...是完全匹配逻辑，只有当元素和列表中的字符串完全一致时才会被计数，而我们需要的是前缀匹配，必须用正则表达式或专门的前缀判断函数来实现。

内容的提问来源于stack exchange，提问作者lemnbalm